Стивен ДеАнджелис, основатель и генеральный директор Enterra Solutions – Интервью

Стивен ДеАнджелис является основателем и генеральным директором Enterra Solutions, первой компании, которая применила технологию Автономной Науки о Принятии Решений^TM (ADS^®) для выполнения оптимизации цепочки создания ценности, принятия решений и сложных исследований и разработок для предприятий.

Стивен Ф. ДеАнджелис является международно признанным экспертом в области искусственного интеллекта и продвинутой аналитики, а также их применения для конкурентоспособности, устойчивости и безопасности коммерческих организаций и государственных агентств. Господин ДеАнджелис является обладателем патентов, пионером технологий и предпринимателем. Его карьера находится на пересечении международных отношений, бизнеса, государства и академии. Он привносит уникальную точку зрения и глубокий опыт в свои компании.

Не могли бы вы рассказать историю создания Enterra Solutions?

Enterra имеет свои истоки как подрядчик правительства США. Enterra разработала и выполнила модели системной устойчивости (данные, конкурентоспособность, риск и производительность) для государственных агентств США. Выполняя эту работу, Enterra разработала свою лучшую практику – Методологию Управления Устойчивостью и Модель Зрелости под соглашениями о совместных исследованиях и разработках с государственными агентствами США по финансированию исследований и разработок.

Чтобы повысить конкурентоспособность и устойчивость технологий, Enterra начала работать в области искусственного интеллекта и прикладной математики в начале 2000-х годов. К середине 2000-х годов компания начала объединять свою работу в государственном секторе с передовыми теоретическими и экспериментальными академическими исследованиями – эта работа продолжается и сегодня. Академические исследования Enterra являются двусторонним сотрудничеством, которое знакомит нашу компанию и сотрудников с некоторыми из самых передовых и сложных методов и практик искусственного интеллекта и математики, а также устанавливает глубокую сеть и набор связей с некоторыми из ведущих людей и мыслителей в области когнитивной науки и применения устойчивости.

Enterra использовала научные и технические знания, полученные из работы в государственном секторе и академии, для переосмысления аналитики больших данных в коммерческом секторе – результатом стала создание платформы Автономной Науки о Принятии Решений^® (ADS^®) и Генеративного ИИ Enterra, а также набора бизнес-приложений, которые создают систему интеллекта. Система Интеллекта Enterra выполняет автономную оптимизацию, планирование и выполнение, располагаясь над несколькими транзакционными системами записи/взаимодействия по маркетингу, продажам, цепочке поставок и корпоративной стратегии, и оркестрируя решения и действия, которые помогают компании построить конкурентоспособность и устойчивость и достичь бизнес-целей.

Объединив проприетарную технологию Enterra с знаниями и практиками организаций, Enterra систематически предвидит изменения рынка и трансформирует бизнес в Автономные Интеллектуальные Предприятия.

Enterra Solutions предлагает автономную науку о принятии решений, что это конкретно и как она оптимизирует бизнес-решения?

Технологическая платформа Автономной Науки о Принятии Решений^® (ADS^®) Enterra объединяет три ранее изолированные технологии:

1. Семантическое рассуждение и векторная символическая логика на основе искусственного интеллекта, которые позволяют выполнять рассуждение, принятие решений и обучение, подобные человеческим. Эта уникальная возможность объединяет общее чувство и отраслевые знания с выводным рассуждением для создания системы, которая может принимать решения с тонким, человеческим рассуждением, а затем учиться на результатах.
2. Стеклянная коробка, объясняемая, прозрачная машинная обучение в виде проприетарной Машины Обучения Представления^TM (RLM). Основой RLM является высокоразмерная математика и функциональный анализ. RLM уникально определяет функцию, которая описывает комбинацию и вклад переменных в наборе данных, которые описывают наблюдаемые эффекты через множество слоев взаимодействия с высокой точностью. Это классифицируется как “стеклянная коробка”, объясняемый алгоритм, который генерирует функцию, вывод которой виден, в отличие от “черных коробок”, которые генерируют только закономерности, но не предлагают никакого объяснения динамики системы/набора данных, и не имеют никакого существенного “понимания” того, что означает закономерность.
3. Ограничение-основанная, нелинейная оптимизация, которая включает в себя формулу, полученную из RLM, вместе с семантическими ограничениями и логикой, для выполнения быстрой оптимизации, отражающей сложные многомерные реальные соображения для получения высокоэффективных рекомендаций. Эта возможность разрушает барьер размерности, связанный с линейными моделями.

Уникальное сочетание этих методов позволило Enterra предоставить клиентам существенно дифференцированные возможности и создать высокообороняемую пропасть в конкурентном ландшафте – как для крупных платформ искусственного интеллекта, так и для игроков с точечными решениями.

Примерно год назад в подкасте “Eye on AI” вы обсуждали, как устаревший искусственный интеллект продолжает быть мощным инструментом. Изменились ли ваши взгляды на это, и какие традиционные алгоритмы машинного обучения все еще используются в Enterra Solutions?

Наука является генерационно-аддитивной, то есть одна генерация возможностей накладывается на предыдущую генерацию инноваций, чтобы создать новые возможности. Enterra постоянно инновирует и творчески эволюционирует свою технологию. Как упоминалось выше, Enterra создала платформу Автономной Науки о Принятии Решений^® (ADS^®) и Генеративного ИИ, которая представляет собой ансамбль человеческого рассуждения и возможностей Генеративного ИИ, сверхсовременного, высокоразмерного, стеклянной коробки, объясняемого машинного обучения с нелинейными, ограничение-основанными оптимизационными двигами. Мы объединили эти ранее изолированные технологии под одной платформой и, сделав это, смогли разблокировать ранее нереализуемые аналитические возможности и смягчить недостатки любой отдельной технологии.

Как Enterra Solutions интегрировала Генеративный ИИ в свои решения?

Хотя многие организации все еще находятся в стадии открытия и испытаний Генеративного ИИ, Enterra Solutions и наши клиенты уже более десяти лет пользуются его мощными возможностями. Компонент ИИ платформы Enterra уникально учитывает экологические причины, по которым рекомендации успешны или нет, и сохраняет это обучение в их онтологиях и базах знаний Генеративного ИИ. Enterra, по запросу клиента, разработает специальную базу знаний Генеративного ИИ, представляющую стратегии, тактику, бизнес-логику и способы работы и победы клиентов, а также предоставит обновленную логику и настройку ограничений для оптимизационных функций в функциональных компонентах Системы Интеллекта Enterra.

Галлюцинации являются одной из основных проблем Генеративного ИИ, как Enterra Solutions преодолевает эти ограничения?

Генеративный ИИ может автоматизировать большинство рабочих процессов, но, будучи невалидированным, его достоверность сомнительна. Это можно решить, используя технологию ADS, которая может подключаться к большим языковым моделям (LLM), рассуждать и триангулировать знания математически, чтобы проверить его эффективность. Используя ADS для предоставления доверительной объяснимости и действенности выводов и рекомендаций, можно построить доверие.

С 2015 по 2019 год вы были членом консультативного совета в Центре Далай-ламы по этике и трансформационным ценностям в MIT, как это сформировало ваши ценности в бизнесе и ИИ?

Ну, если вы участвуете в работе Центра Далай-ламы, вы не можете не думать о лидерстве и этике как об одном и том же. Когда вы управляете бизнесом, вы быстро учитесь, что принимаете тысячи решений в год. Некоторые из них небольшие, некоторые обычные или процедурные, а некоторые значимые или последовательные решения. Я надеюсь, что я научился принимать решения с учетом этических соображений, которые встроены в мою логику – действительно северная звезда и параметры для просвещенного принятия решений. Эта концепция также отражена в том, как мы строим алгоритмы и программное обеспечение, и в конечном итоге отражена в том, как мы управляем нашей организацией.

Часто лидеры бизнеса и ИИ, такие как Джеффри Хинтон, беспокоятся о потенциальных будущих проблемах ИИ, и в частности, Сверхинтеллекта, какие ваши взгляды на это?

Некоторые из опасений Джеффри Хинтона связаны с потенциальным неправильным использованием и скоростью, с которой ИИ разрабатывается. Эти опасения справедливы, поскольку многие компании пытаются встроить ИИ в свои бизнес-практики, не понимая, какие проблемы они пытаются решить. ИИ не решает каждую проблему и не должен рассматриваться как универсальное решение всех бизнес-вызовов. Важно, чтобы компании начали с бизнес-ориентированного заявления проблемы, прежде чем искать жизнеспособные решения. Как только вы понимаете проблему, которую вы пытаетесь решить, вы можете понять стратегическую целесообразность и техническую осуществимость использования передовых технологий, таких как ИИ.

Вы – серийный предприниматель и успешно запустили несколько бизнесов в различных областях, что движет вашим инновационным духом?

В конце концов, я больше творческий пожизненный ученик и интеллектуально любопытный бизнесмен, чем администратор. Сочетание пожизненного обучения и интеллектуального любопытства, когда оно сочетается с предпринимательским энтузиазмом по созданию новых бизнесов, стимулирует инновации и создание продуктов и услуг для заполнения выявленных пробелов на рынке. Желание работать с великими командами людей и “конкурировать и побеждать”, создавая стоимость для акционеров, – это то, что движет мной к инновациям.

Каково ваше видение будущего ИИ?

Через призму применения ИИ в ближайших бизнес-приложениях – я считаю, что ИИ позволит практическому автономному принятию решений в ближайшем будущем в крупномасштабных бизнес-приложениях. Эти возможности будут обусловлены человеческими интеллектуальными агентами, которые дополняют человеческое принятие решений с искусственным интеллектом или сверхинтеллектом, ориентированными на крупные и разрушительные случаи использования. Применения, такие как оптимизация и принятие решений на основе цепочки создания ценности для глобальных корпораций в различных отраслях и разрушениях в открытии и разработке лекарств, а также в клинических испытаниях, являются трансформационными и затрагивают жизнь большинства людей на планете.

Спасибо за отличное интервью, читатели, которые хотят узнать больше, могут посетить Enterra Solutions.